OpenCV3.0 Examples学习笔记(12)-houghlines.cpp-通过HoughLinesP函数实现直线检测
来源:互联网 发布:北交大知行平台注册 编辑:程序博客网 时间:2024/05/17 08:35
这个系列的目的是通过对OpenCV示例,进一步了解OpenCV函数的使用,不涉及具体原理。
目录
简介
Example运行截图
Example分析
Example代码
简介
本文记录了对OpenCV示例houghlines.cpp的分析。这个示例主要演示了如何使用HoughLinesP对图像进行直线检测。
示例涉及到HoughLinesP。
HoughLinesP
HoughLinesP函数就是利用概率霍夫变换来检测直线的。它的一般步骤为:
1、随机抽取图像中的一个特征点,即边缘点,如果该点已经被标定为是某一条直线上的点,则继续在剩下的边缘点中随机抽取一个边缘点,直到所有边缘点都抽取完了为止;
2、对该点进行霍夫变换,并进行累加和计算;
3、选取在霍夫空间内值最大的点,如果该点大于阈值的,则进行步骤4,否则回到步骤1;
4、根据霍夫变换得到的最大值,从该点出发,沿着直线的方向位移,从而找到直线的两个端点;
5、计算直线的长度,如果大于某个阈值,则被认为是好的直线输出,回到步骤1。
函数原型:
void HoughLinesP(InputArray image,OutputArray lines, double rho, double theta, int threshold, double minLineLength=0,double maxLineGap=0 )
参数说明:
image:输入图像,要求是8位单通道图像
lines:输出的直线向量,每条线用4个元素表示,即直线的两个端点的4个坐标值
rho和theta:分别为距离和角度的分辨率
threshold:阈值,即步骤3中的阈值
minLineLength:最小直线长度,在步骤5中要用到,即如果小于该值,则不被认为是一条直线
maxLineGap:最大直线间隙,在步骤4中要用到,即如果有两条线段是在一条直线上,但它们之间因为有间隙,所以被认为是两个线段,如果这个间隙大于该值,则被认为是两条线段,否则是一条。
PS:以上描述摘至参考资料1.《Opencv2.4.9源码分析——HoughLinesP》
Example截图
原图
效果图
Example分析
1.从命令行参数加载图像
const string filename = argc >= 2 ? argv[1] : "../data/pic1.png";
Mat src = imread(filename, IMREAD_GRAYSCALE);
if (src.empty())
{
help();
cout << "can not open " << filename << endl;
return -1;
}
2.使用Canny函数对图像进行边缘检测
Mat mask;
cv::Canny(src, mask, 100, 200, 3);
注意:
Canny函数返回的图像为灰度图像,背景为黑色,前景为白色(OpenCV中所谓的二值化的灰度图,虽然还是灰度图)
关于Canny函数的使用可以参考:OpenCV3.0 Examples学习笔记(6)-edge.cpp
3.创建显示检测效果的目标图像
Mat dst_cpu;
cv::cvtColor(mask, dst_cpu, COLOR_GRAY2BGR);
4.使用HoughLinesP对图像进行直线检测
vector<Vec4i> lines_cpu;
{
const int64 start = getTickCount();
cv::HoughLinesP(mask, lines_cpu, 1, CV_PI / 180, 50, 60, 5);
const double timeSec = (getTickCount() - start) / getTickFrequency();
cout << "CPU Time : " << timeSec * 1000 << " ms" << endl;
cout << "CPU Found : " << lines_cpu.size() << endl;
}
注意:
(1)这里使用getTickCount检测算法运行时间;
5.在目标图像上绘制直线检测结果
for (size_t i = 0; i < lines_cpu.size(); ++i)
{
Vec4i l = lines_cpu[i];
line(dst_cpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA);
}
6.显示源图像和直线检测的结果图像
imshow("source", src);
imshow("detected lines [CPU]", dst_cpu);
Example代码
#include <cmath>#include <iostream>#include "opencv2/core.hpp"#include <opencv2/core/utility.hpp>#include "opencv2/highgui.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/cudaimgproc.hpp"using namespace std;using namespace cv;using namespace cv::cuda;static void help(){ cout << "This program demonstrates line finding with the Hough transform." << endl; cout << "Usage:" << endl; cout << "./gpu-example-houghlines <image_name>, Default is ../data/pic1.png\n" << endl;}int main(int argc, const char* argv[]){ const string filename = argc >= 2 ? argv[1] : "../data/pic1.png"; Mat src = imread(filename, IMREAD_GRAYSCALE); if (src.empty()) { help(); cout << "can not open " << filename << endl; return -1; } Mat mask; cv::Canny(src, mask, 100, 200, 3); Mat dst_cpu; cv::cvtColor(mask, dst_cpu, COLOR_GRAY2BGR); Mat dst_gpu = dst_cpu.clone(); vector<Vec4i> lines_cpu; { const int64 start = getTickCount(); cv::HoughLinesP(mask, lines_cpu, 1, CV_PI / 180, 50, 60, 5); const double timeSec = (getTickCount() - start) / getTickFrequency(); cout << "CPU Time : " << timeSec * 1000 << " ms" << endl; cout << "CPU Found : " << lines_cpu.size() << endl; } for (size_t i = 0; i < lines_cpu.size(); ++i) { Vec4i l = lines_cpu[i]; line(dst_cpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA); } GpuMat d_src(mask); GpuMat d_lines; { const int64 start = getTickCount(); Ptr<cuda::HoughSegmentDetector> hough = cuda::createHoughSegmentDetector(1.0f, (float) (CV_PI / 180.0f), 50, 5); hough->detect(d_src, d_lines); const double timeSec = (getTickCount() - start) / getTickFrequency(); cout << "GPU Time : " << timeSec * 1000 << " ms" << endl; cout << "GPU Found : " << d_lines.cols << endl; } vector<Vec4i> lines_gpu; if (!d_lines.empty()) { lines_gpu.resize(d_lines.cols); Mat h_lines(1, d_lines.cols, CV_32SC4, &lines_gpu[0]); d_lines.download(h_lines); } for (size_t i = 0; i < lines_gpu.size(); ++i) { Vec4i l = lines_gpu[i]; line(dst_gpu, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 3, LINE_AA); } imshow("source", src); imshow("detected lines [CPU]", dst_cpu); imshow("detected lines [GPU]", dst_gpu); waitKey(); return 0;}
参考资料:
1.《Opencv2.4.9源码分析——HoughLinesP》
1 0
- OpenCV3.0 Examples学习笔记(12)-houghlines.cpp-通过HoughLinesP函数实现直线检测
- OpenCV3.0 Examples学习笔记(11)-houghcircles.cpp-houghcircles函数实现圆形检测
- OpenCV3.0 Examples学习笔记(15)-lsd_lines.cpp-LSD直线检测
- OpenCV3.0 Examples学习笔记(1)-contours2.cpp-通过findContours 函数实现轮廓提取
- OpenCV3.0 Examples学习笔记(9)-fitellipse.cpp-fitEllipse函数实现椭圆拟合
- 霍夫检测直线HoughLines和HoughLinesP
- OpenCV3.0 Examples学习笔记(14)-laplace.cpp-LaplaLacian实现对摄像头预览图边缘检测
- OpenCV3.0 Examples学习笔记(10)-grabcut.cpp-grabcut函数实现人机交互高效分割图像前景背景
- OpenCV3.0 Examples学习笔记(13)-kmeans.cpp-kmeans函数实现对图像位置进行聚类
- OpenCV3.0 Examples学习笔记(17)-morphology2.cpp-erode,dilate,morphologyEx函数实现数学形态学变换
- OpenCV3.0 Examples学习笔记(19)-polar_transforms.cpp-cvLogPolar和cvLinearPolar函数实现极坐标转
- OpenCV3.0 Examples学习笔记(2)-convexhull.cpp
- OpenCV3.0 Examples学习笔记(3)-cout_mat.cpp
- OpenCV3.0 Examples学习笔记(4)-demhist.cpp
- OpenCV3.0 Examples学习笔记(5)-distrans.cpp
- OpenCV3.0 Examples学习笔记(6)-edge.cpp
- OpenCV3.0 Examples学习笔记(7)-ffilldemo.cpp
- OpenCV3.0 Examples学习笔记(8)-filestorage.cpp
- Mac OS下包管理器Homebrew的安装与使用
- LeetCode 487. Max Consecutive Ones II
- A - Lesha and array splitting
- *.do的项目
- APACHE LOG4J™ 2 学习笔记-log4j2 环境部署到各种类型输出+maven\mysql\滚动文件\控制台\异步\过滤器
- OpenCV3.0 Examples学习笔记(12)-houghlines.cpp-通过HoughLinesP函数实现直线检测
- JZOJ 3853. 【NOIP2014八校联考第2场第2试9.28】帮助Bsny(help)
- [00807]调用父类方法
- Leetcode 461. Hamming Distance
- Word Ladder--思路一
- SQLiteDatabase 及 ContentProvider 笔记
- 【JZOJ3823】遇见
- 31 Python 多进程-multiprocessing
- tcp/ip详解(8-13)